考慮顧客退貨的B2C電子商務物流網(wǎng)絡優(yōu)化研究

袁振杭

摘 要：B2C電子商務的發(fā)展帶動了物流業(yè)的發(fā)展，不少電商企業(yè)構(gòu)建自營物流，但是，由于電商物流的分散性，物流配送成本居高不下。本文基于顧客退貨構(gòu)建了一個物流配送網(wǎng)絡優(yōu)化模型，并運用遺傳算法進行求解，最后通過一個實例對構(gòu)建的模型進行了驗證。

關(guān)鍵詞：顧客退貨；遺傳算法；B2C電子商務；物流網(wǎng)絡優(yōu)化

一、引言

電子商務經(jīng)濟的推動，使得現(xiàn)代物流行業(yè)與電商的結(jié)合更為緊密，現(xiàn)代物流強調(diào)精細化管理，降低物流成本，而電子商務經(jīng)濟正是以較低的運營成本戰(zhàn)勝實體店，兩者成本角度考慮一致。另一方面，現(xiàn)代物流強調(diào)技術(shù)，從技術(shù)角度推進信息共享，從而更精細化計算物流配送路徑，從而降低車輛配送成本。

物流網(wǎng)絡優(yōu)化一般涉及優(yōu)化算法的求解，通過優(yōu)化算法對構(gòu)建的模型進行最優(yōu)求解，指導物流企業(yè)運輸調(diào)度。B2C電商物流是一種小批量、多批次的物流形態(tài)，在互聯(lián)網(wǎng)經(jīng)濟時代該種物流形式占據(jù)主流，對于B2C電商物流的配送網(wǎng)絡優(yōu)化研究也成為了研究熱點，但是，正是這種分散性的需求使得物流配送頻繁，配送難度大，配送成本也居高不下，如何解決配送成本控制問題也成了研究焦點。針對此，不少學者從建立各地配送點出發(fā)，研究最佳配送路徑方式來降低物流成本。本文對B2C物流進行網(wǎng)絡建模，重點分析存在顧客退貨時的物流網(wǎng)絡優(yōu)化問題，并引入遺傳算法進行求解，為物流企業(yè)降低物流運作成本提供參考。

二、B2C電子商務物流配送網(wǎng)絡研究現(xiàn)狀

1.B2C電子商務物流網(wǎng)絡優(yōu)化研究

B2C電子商務物流與傳統(tǒng)企業(yè)物流配送相比，最大的區(qū)別是逆向物流的規(guī)模及其重要性。商務部明確規(guī)定了“冷靜期制度”，網(wǎng)購消費者可以在“冷靜期”內(nèi)取消訂單，在電商平臺虛擬化背景下，顧客對于貨物的期望與實物很有可能會有落差，退貨現(xiàn)象十分普遍，如果說電商企業(yè)提供滿意的退換貨物服務，則會給自身網(wǎng)絡品牌帶來災難性的后果。因此，我們在構(gòu)建B2C電子商務物流網(wǎng)絡時要考慮退貨物流回收點。另一方面，電商物流的分散性、小批量使得物流網(wǎng)絡節(jié)點多，網(wǎng)絡結(jié)構(gòu)復雜，設立合理的配送網(wǎng)點，選取合適的配送路徑，可以極大地降低物流配送成本。如何構(gòu)建較好的配送路徑，多數(shù)學者以優(yōu)化理論構(gòu)建優(yōu)化模型，并運用優(yōu)化算法進行求解，獲得最優(yōu)路徑，降低配送成本。

2.基于遺傳算法的物流配送網(wǎng)絡優(yōu)化研究

遺傳算法模擬種群進化機制，進行個體的交叉、變異等操作，獲得適應性最強的最優(yōu)個體來得到問題的最優(yōu)解。遺傳算法具有較好的全局搜索能力，但是也存在早熟缺點，常常會陷入局部最優(yōu)，通過對基因重組策略的調(diào)整，或者加入其它算法思想，如禁忌算法等，可以提高算法收斂速度。電商物流具有小批量、多批次、逆向物流、時效性強等諸多特點，因此，電商物流的配送路徑規(guī)劃具備實用性，在電商物流網(wǎng)絡優(yōu)化方面建模研究較多，對于具體的求解大多采用了優(yōu)化算法，遺傳算法是其中運用角度的一類優(yōu)化算法選擇。

以上B2C電子商務物流配送網(wǎng)絡問題的研究主要是解決物流配送中心選址、運輸優(yōu)化等決策問題，很少考慮顧客退貨的影響。然而，目前很多B2C電子商務配送中心物流基本趨于成熟，重新選址、設計和建立物流配送中心不僅加大資金投入，還無法起到提高物流配送效率的目的。為此，本文考慮在既有的配送基礎設施上分析B2C電子商務物流配送優(yōu)化問題，通過合理安排配送資源來降低物流成本，增加利潤，并考慮存在顧客退貨的情形，更加貼近實際情況，為電子商務企業(yè)發(fā)展物流網(wǎng)絡提供決策依據(jù)。

三、配送網(wǎng)絡優(yōu)化模型構(gòu)建

B2C電子商務物流網(wǎng)絡優(yōu)化的目的是降低企業(yè)物流成本，提高收益。本文主要涉及B2C電子商務企業(yè)與顧客組成的二級物流網(wǎng)絡，在考慮顧客退貨的情況下，對B2C電子商務企業(yè)配送路線問題進行優(yōu)化設計，降低物流運作成本。

1.假設及參數(shù)說明

（1）基本假設

為了便于分析，本文做如下假設：

①不同的顧客貨物可以混合裝運。②各配送點的車輛統(tǒng)一，負荷及單位配送成本一致且已知。③顧客的購買需求與退貨量已知，電商企業(yè)能夠滿足顧客需求。④只考慮運輸成本。

（2）參數(shù)說明

表示所有物流配送中心（兼退貨接收中心）， 表示所有物流配送中心車輛的集合，

表示顧客點集合。qi表示物流配送中心i銷售物流貨物量，rk表示顧客k退貨量，Qm表示運輸車m輛的負荷，dij表示物流中心i與j之間的距離，dik表示物流中心i與顧客k之間的距離。 ikm表示配送中心i至顧客k的配送任務由車輛m來完成，bijm表示配送中心i至配送中心j的轉(zhuǎn)運任務由車輛m來完成。

2.網(wǎng)絡優(yōu)化數(shù)學模型

目標函數(shù)式（1）表示物流配送成本的最小化，其中第一項表示配送中心向顧客配送的成本，第二項表示配送中心的轉(zhuǎn)運成本。考慮到B2C電商物流是一種小批量、多批次的物流形態(tài)，因此，本文目標函數(shù)式（1）主要體現(xiàn)配送節(jié)點之間的距離，在滿足車輛負荷、顧客配送要求等各項約束條件下，實現(xiàn)最短配送路徑。式（2）表示運輸車輛不超過負荷運作。式（3）表示配送中心節(jié)點與顧客節(jié)點是否有車輛配送。式（4）標識配送中心節(jié)點之間是否有車輛配送。

3.基于遺傳算法的物流網(wǎng)絡優(yōu)化模型求解

對于特定的顧客，最終總是單個配送中心給予配貨，可以是配送中心之間通過了調(diào)貨轉(zhuǎn)運。因此，最終我們的最優(yōu)路徑可以表示為一條，當對某個顧客的貨物配送動用了配送中心間的調(diào)貨，我們可以把參與轉(zhuǎn)運及最終配貨的物流配送中心視為同一次配送活動。

（1）編碼

我們將所有配送中心、顧客按順序用自然數(shù)進行編碼（1，2，3，……，i，……，i+k），最優(yōu)配送路徑用數(shù)字表示，如（3，6，10），那么我們就把（3，6，10）作為一個個體。對最優(yōu)解進行編碼是遺傳算法的第一步，也是比較關(guān)鍵的一步，按自然數(shù)編碼比較容易理解，對后續(xù)處理也比較方便，因此選用此類編碼方式。

（2）初始化種群

配送活動總有一個起點，我們事先不知道從哪里開始配送將會達到最優(yōu)點，最優(yōu)解是如何，那么就需要隨機選取幾組最優(yōu)路徑，經(jīng)過遺傳算法后續(xù)過程逐步逼近最優(yōu)解，我們需要確定一個群體的規(guī)模（個體的數(shù)量），即可能的最優(yōu)解可選項。初始化種群的規(guī)模需根據(jù)經(jīng)驗設定，種群過大會降低收斂速度，而種群過小又會過早收斂，因此，我們需要合理選取種群規(guī)模。

（3）適應度函數(shù)

適應度函數(shù)是遺傳算法的關(guān)鍵，在很大程度上決定著我們的優(yōu)化解的求解速度與求解質(zhì)量，適應度函數(shù)是用于選取可以進行遺傳的個體，即可以繼續(xù)參與交叉、變異的優(yōu)良個體（最靠近最優(yōu)配送路徑的參考路徑），因為我們的目標函數(shù)是求解最小成本，目標函數(shù)求解最小值，我們可以取目標函數(shù)的倒數(shù)作為個體的適應度。

（4）交叉運算

交叉運算是將兩個個體的部分染色體進行交換的過程，模仿遺傳過程中的交叉遺傳，是遺傳算法與其他優(yōu)化算法的一個重要區(qū)別。具體操作過程為：對群體進一個隨機的交叉配對，對于某一配對隨機地選擇一個交叉位置，交換配對個體之間基因。交叉操作是對遺傳優(yōu)勢的提升，不同個體之間的交叉可以獲取對方優(yōu)勢，促進最優(yōu)個體的產(chǎn)生，即提升收斂速度，提升獲取最優(yōu)解速度。

（5）變異運算

變異操作是為了避免因為種群大小造成的進化停止問題，加入變異運算可以提高個體間的差異，有利于遺傳進化。具體操作為：隨機產(chǎn)生各個體變異的位置，對于所有需要變異的位置按照一定的概率進行取反值操作。

（6）持續(xù)以上操作，直到迭代次數(shù)達到設定值為止

通過以上六個一般遺傳算法操作步驟，我們可以對物流網(wǎng)絡優(yōu)化模型進行求解，或最優(yōu)配送路徑。遺傳算法是一迭代求解最優(yōu)的算法，引入生物學遺傳規(guī)則，優(yōu)勝劣汰，來獲取我們的最優(yōu)解。由于遺傳算法的全局搜索與收斂速度較快等優(yōu)勢，被多數(shù)學者列為優(yōu)化類問題求解算法之首選。

四、實例分析

根據(jù)前述構(gòu)建的B2C網(wǎng)絡優(yōu)化模型，以下就一個簡單實例進行具體說明，運用我們的模型及遺傳算法進行求解，獲得最佳配送路徑。

令某B2C電商企業(yè)配送網(wǎng)絡有10配送顧客目標，2個配送中心，配送中心各有一臺貨車，車輛負荷為5噸，各顧客點的貨物需求量與退貨量，以及各點間的距離表1、表2所示，其中，V1-V10表示顧客節(jié)點，而V11-V12表示兩個配送中心。

從獲得的兩個最優(yōu)配送路徑可以看出，我們的配送中心V11與V12的運輸車輛都有一次返回配送中心的過程。基于顧客退貨的存在，配送車輛在配送過程中，同時收集顧客的退貨，當退貨量達到車輛負荷要求時，將回到就近的配送中心。配送中心V11的運輸車輛回到自身配送點，而配送中心V12的運輸車輛則是回到配送中心V11，當配送中心運輸車輛在配送中心交付退貨的貨物之后，再開始向其他顧客配送。

五、結(jié)語

隨著新經(jīng)濟形態(tài)的產(chǎn)生，電子商務逐漸成為消費主流，尤其是其中較為穩(wěn)固的B2C模式，對于配送網(wǎng)絡優(yōu)化研究具有實際意義。電商物流具備了批量小、顧客分散、物流配送服務水平較低等不足，配送成本居高不下，如何規(guī)劃一個合理的電商物流配送路徑將有助于降低電商企業(yè)物流配送成本，提升營利水平。本文構(gòu)建了一個以運輸成本最優(yōu)化的物流網(wǎng)絡模型，其中考慮了電商物流重視程度極高而區(qū)別于傳統(tǒng)物流的退貨物流因素。遺傳算法的較快收斂性，是路徑規(guī)劃問題中考慮較多的算法，對于構(gòu)建的模型，本文運用遺傳算法進行求解，并通過一個實例運算對模型進行驗證。但是，本文尚未考慮多種運輸方式的優(yōu)化問題，也未有融合低碳綠色環(huán)保等方面的要求，接下來可以做進一步的研究和探討。

參考文獻：

[1]饒紹倫.電子商務物流體系優(yōu)化研究[J].物流技術(shù)，2014.

[2]陳浩，吳潔明.基WebGIS的物流電子商務與配送網(wǎng)絡優(yōu)化集成[J].計算機與現(xiàn)代化，2005.

[3]周艷聰，孫曉晨，余偉翔.基于改進遺傳算法的物流配送路徑優(yōu)化研究[J].計算機工程與科學，2012.

[4]王永亮.物流配送路徑優(yōu)化問題的研究與應用[D].太原理工大學，2009.